一种端到端的红外与可见光图像融合方法，属于图像融合技术领域，为了解决现有的融合方法得到的图像质量差的问题，该方法：步骤1，构建网络模型；步骤2，准备数据集；步骤3，输入图像；步骤4，最小化损失函数值；步骤5，微调模型；步骤6，保存模型。使用经过处理后的可见光图像的灰度图作为网络训练的输入，可以大大提高网络的特征提取和表达能力，将网络训练完成后再处理真实的红外和可见光图像，融合得到的图像质量效果会更好。整个训练网络在两条支路上使用拼接操作可以将图像的低级特征和高级特征进行混合，使得网络对于两种不同图像的特征提取能力更强；在网络中添加跳跃连接减少网络参数，最终使得整个网络实现结构简单，融合效率高。